karpathy-llm-wiki

把散落资料变成 AI 可直接调用的结构化知识库

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 315 🐛 待处理 11 👀 关注 17

GitHub ↗

GitHub 星标 ★ 2710

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

karpathy-llm-wiki 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队Astro-Han

GitHubhttps://github.com/Astro-Han/karpathy-llm-wiki

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agent-skill,claude-code,codex,cursor,karpathy,knowledge-base,knowledge-management,llm,llm-wiki,markdown,personal-knowledge-base,productivity,rag-alternative

GitHub 星标★ 2710

上线时间2026-04-05 00:00:00

代码更新2026-07-23

仓库体积372 KB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

这是一个为 Claude Code、Cursor 和 Codex 等 AI 编程工具打造的 LLM 知识库构建工具。它从原始资料、引文和代码检查中生成 Karpathy 风格的结构化知识库，帮助开发者系统化整理和沉淀大语言模型相关的知识。项目解决了 AI 编程工具在长上下文和复杂任务中知识碎片化、难以复用的问题，通过自动化的知识抽取、引文管理和质量检查，将分散的文档、代码和讨论转化为可供 AI 直接调用的结构化知识。核心能力包括：兼容多种 Agent 工具的 Skills 格式、支持从原始源构建知识库、内置引文和 linting 机制确保知识准确性和可追溯性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2710

技术标签

agent-skill claude-code codex cursor karpathy

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 5 分钟部署方式：命令行工具 6 步

环境要求

可执行 npx 的 Node.js 环境（npx 由 Node.js 提供）
支持 Agent Skills 标准的 AI 编程工具，如 Claude Code、Cursor、Codex
本地有一个可写的项目目录，用于存放 raw/ 与 wiki/ 等知识库内容

安装与启动步骤

1安装 Skill

在项目目录下执行 npx 命令，把该 skill 添加到你的 Agent 工具中。README 明确给出的唯一安装方式。
```
npx add-skill Astro-Han/karpathy-llm-wiki
```
2查看技能规范

阅读仓库根目录的 SKILL.md，了解完整的 skill 规范与三个操作的调用方式，再开始使用。
3准备原始资料

把要沉淀的源材料放入 raw/ 目录，作为 Ingest 操作的输入；README 说明 Agent 会把源材料收集到 raw/。
4执行 Ingest

让 Agent 做 Ingest：把源材料收集进 raw/、分类整理，并创建或更新 wiki/ 下的知识页面；无新内容时只记日志。具体调用方式见 SKILL.md。
5执行 Query 提问

让 Agent 做 Query：检索 wiki/ 页面并给出带引文的回答，回答链接到对应的 markdown 页面。
6执行 Lint 检查

让 Agent 做 Lint：检查索引完整性、链接与 wiki 健康状况，自动修复并报告问题，保持知识库一致性。

关键配置

配置项	必填	说明	示例
`raw/`	是	存放原始资料的目录，Ingest 操作会把源材料收集到这里	`raw/`
`wiki/`	是	编译产出的结构化知识页面目录，Query 从这里检索并引用	`wiki/`
`examples/`	否	README 提到的示例目录，含示例 wiki 页面、源文件和操作日志	`examples/`